Standardized precipitation evapotranspiration index (SPEI) for Canada: assessment of probability distributions
Notice bibliographique
Résumé
Candidate probability distributions for the Standardized Precipitation Evapotranspiration Index (SPEI) for Canada were examined using the Canadian Gridded (CANGRD) temperature and precipitation dataset and CMIP5 projections. The probability distribution is a core component to the calculation of standardized values. For SPEI, a continuous probability distribution is fitted to the water balance time series so that the resulting transformed index follows a standard normal distribution. Selection of an appropriate distribution is therefore important as an inappropriate distribution may lead to biased values and subsequently affect the interpretation of SPEI results. Candidate distributions considered for SPEI included the generalized logistic (GLO), generalized extreme value (GEV), Pearson Type III (PE3) and normal (NOR) distributions. A range of goodness of fit tests were used to assess how well the distributions fit SPEI. Differences in CANGRD SPEI time series between three pairs of distributions, GLO-GEV, GLO-PE3, and GEV-PE3, showed that there were larger differences in SPEI values between GLO and the other two distributions than the difference between GEV and PE3. SPEI results fitted with GLO resulted in lower threshold exceedances of extreme SPEI (-/+2) than GEV and GLO. A comparison between CMIP5 SPEI values fitted with GLO (SPEI-GLO) and PE3 (SPEI-PE3) showed that there were seasonal and spatial variations in results, although the use of multi-model ensembles reduced these differences. As was the case for CMIP5 SPEI-GLO projections, projected annual changes in CMIP5 SPEI-PE3 show an increase in drying at the surface in central/southern Canada. Overall, the study recommends using PE3 or GEV for SPEI analysis for Canada.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».